L’analyse de corrélation canonique est une technique statistique multivariée qui explore les relations entre deux ensembles de variables mesurées sur les mêmes individus, en résumant chaque ensemble par des combinaisons linéaires aussi corrélées que possible.
Elle a été introduite par le statisticien Harold Hotelling en 1936. La méthode cherche d’abord une combinaison linéaire des variables du premier ensemble et une combinaison linéaire des variables du second, choisies pour que leur corrélation soit maximale. Ces deux combinaisons forment la première paire de variables canoniques, et leur corrélation est la première corrélation canonique. La méthode cherche ensuite une deuxième paire, non corrélée à la première, et ainsi de suite. Le nombre de paires ne peut dépasser le nombre de variables de l’ensemble le plus petit.
Ses résultats comprennent les corrélations canoniques, qui mesurent la force de chaque liaison, et les coefficients canoniques, qui donnent le poids de chaque variable dans sa combinaison. S’y ajoutent les corrélations de structure, qui relient chaque variable d’origine à sa variable canonique, et l’indice de redondance, qui estime la part de variance d’un ensemble expliquée par l’autre. Des tests statistiques indiquent combien de paires sont significatives.
Elle généralise le coefficient de corrélation, qui relie deux variables seulement, et la régression linéaire multiple, qui explique une seule variable par plusieurs autres. Elle se distingue de l’analyse factorielle, qui étudie la structure interne d’un seul ensemble. En études marketing, elle sert par exemple à relier des caractéristiques sociodémographiques à des préférences de produits, ou des perceptions de marque à des comportements d’achat.
Beaucoup d’études produisent deux blocs de données : d’un côté des perceptions ou des profils, de l’autre des comportements ou des résultats. Calculer toutes les corrélations deux à deux donne un tableau illisible et multiplie les liaisons trouvées par hasard. L’analyse de corrélation canonique résume la relation entre les deux blocs en quelques dimensions. Dans son article fondateur, publié dans la revue Biometrika en 1936, Harold Hotelling l’applique à quatre tests mesurant la vitesse et le niveau en lecture et en arithmétique, passés par 140 élèves. La seconde corrélation canonique n’étant pas significative, il conclut que ces données ne montrent qu’une seule composante commune entre les deux blocs. À notre sens, c’est là le principal apport de la méthode : dire combien de liens distincts existent réellement entre deux blocs.
La corrélation canonique mesure la liaison entre deux combinaisons, pas entre les deux blocs de variables. Une corrélation canonique élevée peut donc coexister avec un faible indice de redondance : la paire capte un lien fort, mais sur une petite part de l’information. Nous recommandons de lire d’abord la corrélation canonique et sa significativité, puis l’indice de redondance, enfin les corrélations de structure pour nommer chaque dimension. Les coefficients canoniques servent au calcul, mais se prêtent mal à l’interprétation.
Un consultant senior d’Advalians, indépendant et tenu au secret, examine avec vous les conclusions de l’étude avant que vous les présentiez. Chaque séance aboutit à une décision écrite.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
La régression multiple explique une seule variable par plusieurs autres ; la corrélation canonique relie deux ensembles de plusieurs variables chacun. Avec une régression linéaire, vous expliquez par exemple le montant dépensé par cinq perceptions de l’offre. Avec l’analyse canonique, vous reliez ces cinq perceptions à plusieurs comportements à la fois, comme la dépense, la fréquence d’achat et la recommandation.
Critère de choix : si vous avez un seul résultat à expliquer, la régression suffit et se lit plus facilement. Passez à l’analyse canonique quand plusieurs résultats doivent être étudiés ensemble.
Il faut deux blocs de variables numériques, mesurées sur les mêmes individus. Dans une étude, ce sont souvent des échelles de perception d’un côté et des mesures de comportement de l’autre. Les variables qualitatives doivent être recodées ou traitées par une autre méthode.
Avant de lancer l’analyse, vérifiez que les valeurs manquantes restent rares et qu’aucun bloc ne contient de variables quasi identiques. Contrôlez aussi l’effectif : à titre indicatif, nous recommandons au moins une dizaine d’observations par variable.
Ne vous arrêtez pas à la valeur de la corrélation canonique : regardez aussi sa significativité et l’indice de redondance. La corrélation canonique mesure le lien entre deux combinaisons de variables. L’indice de redondance indique quelle part de la variance d’un bloc est expliquée par l’autre.
Par exemple, une corrélation de 0,6 assortie d’une redondance de quelques pour cent décrit un lien fort sur une petite partie de l’information. Vérifiez enfin que le résultat se retrouve sur un second échantillon. Sinon, il ne doit pas guider de décision.
Le principal piège consiste à lire les coefficients canoniques comme l’importance de chaque variable. Quand plusieurs variables d’un même bloc sont corrélées, ces coefficients se répartissent de façon instable et leur signe peut s’inverser d’un échantillon à l’autre.
Pour nommer une dimension, utilisez plutôt les corrélations de structure, qui mesurent le lien entre chaque variable d’origine et sa variable canonique. Si deux variables mesurent presque la même chose, regroupez-les avant l’analyse, par exemple en un score unique.
Dès que la question ne porte pas sur deux blocs de variables. Pour un seul résultat à expliquer, choisissez la régression. Pour explorer la structure d’un seul bloc, l’analyse factorielle convient mieux. Pour des variables qualitatives, l’analyse des correspondances multiples est adaptée.
Si vous avez une hypothèse de causalité entre plusieurs concepts, la modélisation des équations structurelles permet de la tester explicitement. Gardez l’analyse canonique pour explorer les liens entre deux blocs, avant de construire un modèle plus ciblé.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
Besoin d'un conseil indépendant sur ce sujet ?
Échanger